数学建模 机器学习算法 时间序列预测

在本文中，我们基于 15 个区域的人口和面积以及该地消防救援队的出警数据，采用 随机森林模型拟合出每年特定日期的安排值班人数。然后，通过使用 LSTM 神经网络和 Prophet 加法回归模型预测 2022 年各月份的消防救援出警次数。接下来，我们使用了多 种数学模型，包括岭回归模型、随机森林模型、集成学习模型 XGboost、深度学习模型 双向 LSTM 和融合学习模型 stacking 等方法建立各类事件发生次数与月份关系的模型， 并通过比较得出随机森林回归模型为最优模型。最后，我们还运用灰色关联分析计算出 事件密度序列和人口密度序列之间的相关性，得出人口密度与事件之间具有较高的关联 程度的结论 关键字：随机森林,LSTM, Prophet,岭回归,XGboost,Stacking,灰色关联分析